如何在乒乓球比赛中预测球的轨迹，用于 AI 桨预测？答案

【问题标题】：How to predict trajectory of ball in a ping pong game, for AI paddle prediction?如何在乒乓球比赛中预测球的轨迹，用于 AI 桨预测？
【发布时间】：2020-09-07 04:01:06
【问题描述】：

这可能是一个更数学的问题，但我正在努力思考如何为乒乓球比赛编写无与伦比的 AI。从我目前所读到的，这将是模拟一个球在朝着 AI Paddle 的方向移动时的轨迹。

在这个游戏中，我有一个球，我可以读取它在棋盘上的 x 和 y 位置，然后在下一次迭代中再次读取它，这将允许我计算 x 和 y 方向的速度。

但我不确定如何对球如何以及在何处到达 AI 桨的目标位置进行编程，并且考虑球会从墙壁反弹多少次将需要我使用一些几何图形。但我无法理解它以及我将如何对其进行编程。

到目前为止，我想到的是给定的变量：桌子在 x 和 y 方向上的大小，球“当前”和之前的位置，以便获得它在 x 和 y 中的速度方向。我的第一个假设是找到一种方法来计算球是否会撞到墙壁或 AI 球门侧？

【问题讨论】：

这看起来是一个有趣的项目，但您需要更进一步，这里的任何人才能提供帮助。开始编程，当您遇到特定的代码问题时，请在此处发布以寻求帮助！

标签： python artificial-intelligence pong

【解决方案1】：

有一种更直接的方法可以代替重复的“光线投射”：

def predict(x, y, vx, vy, h, b):
    """
    :param x: ball x position
    :param y: ball y position
    :param vx: ball x velocity
    :param vy: ball y velocity
    :param h: the field height
    :param b: the y position the prediction is for
    :return: ball x position at y = b
    """
    m = vy / vx # slope
    c = -x * m + y # y-intercept
    val = (m * b + c) % (2 * h)
    return min(val, 2 * h - val)

现在，一步一步来

m = vy / vx # slope
c = -x * m + y # y-intercept
val = (m * b + c)

显示球当前路径的简单线性函数。

这有效，但前提是球永远不会撞到侧壁。

一个模型

想象一下，原来的两边有相同高度的田地，一直延伸到无穷远。

现在“反弹次数”变成了“球经过的单元格数”。

此外，如果反弹次数是偶数，则从它击中的单元格的下边界到撞击点的距离与实际球在真实单元格中击中的高度相同。

因此

(m * b + c) % (2 * h)

要涵盖奇数反弹，您需要围绕h 镜像图表。

下面是图解说明：

由于不相关的图是具有高于h 的值的图，因此您取最小值。

可能的问题

在某些语言中，% 是余数运算符，但不是 python。

如果在某些情况下预测是否定的，请添加此内容。

val = ((m * b + c) % (2 * h) + 2 * h) % (2 * h)

此功能取决于“准确”碰撞。

因此，如果以与此类似的方式处理反弹，

if y not in range(0, y_max):
    vy *= -1

预测会略有偏差。

如果你能改变核心游戏，使用

if y < 0:
    y *= -1
    vy *= -1
elif y > y_max:
    y = 2 * y_max - y
    vy *= -1

如果vx 为0，则会抛出divide by zero exception，但由于在这种情况下球永远不会撞到墙壁，这应该由球的移动逻辑处理。

【讨论】：